机器学习时代的未来证明——Roxanne Brownlee，谷歌——诺丁汉数字峰会

诺丁汉数字峰会 Albert Hall 舞台上的第四次演讲是 Google 的 Roxanne Brownlee，他谈到了企业如何通过新技术保持相关性。

为什么今天不一样？

2010 年移动流量仅占网络总流量的 1.5%，但那一年 Google 首次宣布移动优先的重要性。

9 年后，移动流量现已飙升至近 60%。

敏捷是生存和繁荣之间的区别。 为了蓬勃发展，您需要承认未来会发生什么。

为客户提供价值，并在期望存在并具有竞争力之前提供卓越的用户体验的公司； 发现以后更容易茁壮成长。

在网上蓬勃发展意味着什么

技术及其周围世界的变化比以往任何时候都快。 能够适应利用当今技术的企业将在明天拥有优势。

技术发展迅速，消费者也是如此，因此品牌需要迎头赶上。 数据驱动的营销已成为大规模传递更快、更相关的信息的关键。

技术可以使品牌变得更有帮助，让他们为用户提供帮助，及时无缝地提供有用的答案。

使用数据洞察力和技术预测客户需求的能力将定义品牌的发展能力。 事实上，我们已经看到了：

自动化

企业使用机器学习来帮助在更快的时间内大规模地向客户提供相关的实时消息。

如果做得好，使用个性化来传递根据客户需求或即将需求调整的信息，已被证明可以提高参与度和忠诚度。 如果客户受益，企业就会受益。

但正如许多企业发现的那样 - 将所有这些付诸实践并不容易。

• 人们每天上网9 小时
• 人们每天查看手机150 次
• 7000万个信号在眨眼间收集
• 90% 的用户在屏幕之间切换以完成任务
• 62% 的营销人员对数据的大小和数量感到不知所措

如果我们知道人们每天查看手机 150 次，并在网上花费 9 个小时，那么我们就可以深入了解他们是谁、他们关心什么以及他们想要什么。 我们可以将这种数据引入我们的受众策略，以推动我们的活动的相关性和绩效。

当我们仅根据关键字构建策略时，我们会忽略我们拥有的这些数据。 我们仅根据最微小的信息快照来判断它们，而不是着眼于更大的图景。

每天，我们产生 2,500,000,000,000,000,000 字节的数据。

这相当于每天有 1 万亿篇数据。

我们拥有创建极其相关、有针对性的广告所需的所有数据。 这意味着我们可以做出真正明智且有影响力的业务决策。

所有这些分散的兴趣和意图时刻都会产生太多的数据供人类处理。 因此，广告商有必要了解这些零散的旅程，并知道如何在这些意图时刻与用户互动。

我们的大部分日常技术都由人工智能 (AI) 提供支持。 例如：我们用大量示例训练一个软件系统，以便它可以识别模式。 与其告诉计算机所有的垃圾邮件都包含“新的减肥技巧！”这句话，你可以用数百万个垃圾邮件的例子来训练它，做一些小的修正，直到它可以自己挑选出模式。 这种学习模式的能力被称为机器学习，它可以在很多方面让你的生活更轻松。

在数字营销行业中使用机器学习的 Google 产品和非广告相关产品的一些示例包括：

• 通用应用广告系列
• 智能购物广告系列
• 兴趣相似的受众
• 响应式展示广告
• 谷歌地图
• Gmail
• YouTube
• 谷歌翻译

世界上一半以上的人将在数字优先的心态中成长。 虽然在 2019 年，千禧一代占全球人口的 24%，但到 2025 年，55% 的英国人将是千禧一代或更年轻。

我们现在处于机器学习时代

在数据驱动营销方面取得成功的广告商的收入增长高达 20%，成本节省高达 30%（波士顿咨询集团，2019 年数字成熟度研究）。

然而，这些充分发挥其潜力以实现收入增长和成本降低的公司将从巨大的机遇中获益。

同一项研究发现，技术和组织因素都有助于品牌在跨渠道动态执行和优化单一客户业务成果的能力方面取得成功。

我们发现一流的品牌在三个方面尤其出色：

• 数据驱动的受众洞察力：通过链接在线和离线数据以根据需求空间沿着漏斗接触他们来构建整体客户视图
• 自动激活：通过跨渠道信号优化程序化媒体购买，并在跨渠道协调和排序中个性化创意
• 测量和归因：测量包括部分归因和频繁测试，优化 KPI 的飞行活动

但为什么这一切对企业来说很重要？ 我们处于一个独特的位置，企业可以改变其营销策略以吸引更多联系的消费者，改善业务成果，更重要的是成为该领域的类别领导者。

你能做些什么

据 eMarketer 称，视频和人工智能是 2019 年营销人员的首要任务。

如今，机器学习可帮助您通过自动化实现最佳广告效果。 该算法根据实时反馈不断学习，并进行调整以提高性能。

整个 Google 解决方案都采用机器学习技术，通过在合适的客户需要时向合适的客户展示合适的信息，共同帮助广告客户实现其广告系列的最佳效果。 机器学习可以满足您的营销需求：

如何找到理想的受众？

在定位领域，我们利用机器学习来寻找不是您的客户但应该是您的客户。 Google 帮助广告商将覆盖面扩大到可能会转化的人群。 我们能够通过我们的受众解决方案有效地捕捉意图。

如何衡量绩效？

在归因领域，我们利用机器学习来了解转化的真正驱动因素并分配正确的价值。 这意味着我们能够通过非最终点击、数据驱动的归因更好地衡量意图。

最后，我们可以通过定制出价和创意广告资产来充分利用这一意图，以最好地响应用户意图。 他们帮助回答：

每次拍卖我应该出价多少？

通过机器学习，我们可以将无数信号考虑在内，以确定每个时刻的最佳出价，因此您可以获得更多客户并消除浪费性支出。

我向观众展示什么信息？

对于广告素材，Google 帮助广告商在每时每刻使用正确的信息。 通过机器学习，我们可以利用我们对消费者意图和数据的理解来选择合适的创意来展示每一刻。

专注于 PPC，几年前出价非常简单。 您选择关键字并根据关键字在最后一次点击、桌面/相同会话基础上转化的可能性指定出价。

然后移动设备出现，产生了更多营销人员需要考虑的信号，例如设备类型、时间和位置。

巧妙出价的关键是根据每个用户独特的信号组合来调整您的出价。 为每次拍卖手动断言所有这些是不可能的——即使对于最熟练的客户经理也是如此。

Google 智能出价旨在为每次拍卖设置实时出价。 由于它每天要考虑数十亿个消费者数据点——从移动屏幕上的颜色和色调偏好，到购买历史、设备和位置——可以使用这些数据为您的客户提供数百万个定制广告，并为每个广告设置正确的出价实时显示这些广告。

全自动智能出价解决方案可带来最佳结果。 虽然我们大多数人都熟悉 eCPC 并且已经看到了它的成功，但全自动智能出价策略（例如最大限度地提高转化率、目标每次转化费用和目标广告支出回报率）对广告客户的影响最大。

通过内部产品分析，我们发现与我们的半自动解决方案 (eCPC) 相比，我们的全自动出价策略具有卓越的性能：

• 搜索：eCPC 平均提升 7%，tCPA 或最大转化次数平均提升 20% 以上，tROAS 平均提升 35%。

但是，需要注意的是，eCPC 不是全自动解决方案！

巧妙利用数据为您提供发挥创意的空间

通过恢复一些时间，您可以更有创意。 您可以花时间了解客户行为的变化。 例如，我们看到的一个重大转变是英国普通人花在传统营销上的时间减少了。 例如，在过去五年中，我们看电视的时间减少了 22%，平均每天 2.5 小时。 相反，我们使用在线媒体的时间超过了 7 个小时——尤其是在智能手机上。

我们现在有空间来规划未来。

我们之所以谈论数字视频是最前沿的，是因为到 2021 年，我们预计全球网络流量的 82% 将由数字视频组成。

如果我们没有提前为此做好准备并弄清楚如何让数字视频为我们服务，发展我们的品牌，简而言之，我们将无法响应 82% 的互联网。 几年后，忽略数字视频的企业将像今天忽略移动的企业一样。 视频趋势以面向未来的方式为品牌建设提供了关键机会。

• 每月有15 亿人登录和访问 YouTube。 普通人每天花费一个多小时在移动设备上观看 YouTube。
• 80% 的购物者观看了与他们计划进行的购买相关的视频，他们表示他们在流程开始时观看了该视频。
• 64% 的购物者表示 YouTube 会影响他们的购买决定。 活跃在平台上的不仅仅是用户——其他人发现它塑造了他们对品牌的看法以及他们采取行动的可能性。
• 看到品牌在线视频的B2B 客户更有可能在未来六个月内购买该品牌，为该品牌支付溢价，并推荐该品牌。

我们优化了广告格式以满足当今观众和营销人员的需求。